CoLRIO: LiDAR-Ranging-Inertial Centralized State Estimation for Robotic Swarms

要約

異なる異種センサーを使用した協調的な状態推定は、GPS が拒否された環境でロボット群が動作するための基本的な前提条件であり、重大な研究課題となっています。
この論文では、協調的な LiDAR 測距慣性状態推定を促進する集中システムを導入し、アンカー展開を必要とせずにロボット群の動作を可能にします。
このシステムは、計算量の多いタスクを中央サーバーに効率的に分散し、ローカル オドメトリ計算にかかる個々のロボットの計算負荷を軽減します。
サーバー バックエンドは、共有データを活用し、場所認識、グローバル最適化技術、外れ値データの削除を通じて共同ポーズ グラフの最適化を洗練することでグローバル参照を確立し、正確かつ堅牢な協調状態推定を保証します。
公開されているデータセットとカスタム データセットの両方を利用したシステムの広範な評価により、協調的な SLAM 推定の精度が大幅に向上していることが実証されました。
さらに、当社のシステムは大規模ミッションにおいて優れた能力を発揮し、10 台のロボットが効果的に連携して SLAM タスクを実行できるようにします。
研究コミュニティに貢献するために、コードをオープンソースにして、\url{https://github.com/PengYu-team/Co-LRIO} からアクセスできるようにします。

要約(オリジナル)

Collaborative state estimation using different heterogeneous sensors is a fundamental prerequisite for robotic swarms operating in GPS-denied environments, posing a significant research challenge. In this paper, we introduce a centralized system to facilitate collaborative LiDAR-ranging-inertial state estimation, enabling robotic swarms to operate without the need for anchor deployment. The system efficiently distributes computationally intensive tasks to a central server, thereby reducing the computational burden on individual robots for local odometry calculations. The server back-end establishes a global reference by leveraging shared data and refining joint pose graph optimization through place recognition, global optimization techniques, and removal of outlier data to ensure precise and robust collaborative state estimation. Extensive evaluations of our system, utilizing both publicly available datasets and our custom datasets, demonstrate significant enhancements in the accuracy of collaborative SLAM estimates. Moreover, our system exhibits remarkable proficiency in large-scale missions, seamlessly enabling ten robots to collaborate effectively in performing SLAM tasks. In order to contribute to the research community, we will make our code open-source and accessible at \url{https://github.com/PengYu-team/Co-LRIO}.

arxiv情報

著者 Shipeng Zhong,Hongbo Chen,Yuhua Qi,Dapeng Feng,Zhiqiang Chen,Jin Wu,Weisong Wen,Ming Liu
発行日 2024-02-19 02:33:41+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク